神经网络在板形检测中的应用

板形检测信息的模式分解是板形控制过程中的技术难点，该文提出的一种新的神经网络模式识别方法却可以解决这个难题。该识别方法的优点是：在ＡＲＴ网络的特征表示场中采用了具有正反馈和非线性变换的结构，能够有效地抑制板形检测数据中的干扰影响，提高了模式识别系统的抗干扰能力；在类别场中抛弃了传统的竞争学习机制，新的学习机制可以迅速分解板形模式；按照轧机执行机构板形控制的能力设置标准板形模式，可以对任意复杂形式的板形缺陷进行控制。用这种识别方法对实测板形进行了模式分解，识别结果完全正确，充分说明ＡＲＴ神经网络识别方法是一种理想的板形模式识别方法。